Examinando por Materia "Atrial fibrillation"
Mostrando 1 - 3 de 3
Resultados por página
Opciones de ordenación
Publicación Sólo datos Detección en tiempo real de fibrilación auricular en computador de placa reducida(Fondo Editorial EIA - Universidad EIA, 2022-06-01) Maya Gonzalez, Juan CarlosEl desarrollo de dispositivos portables, que permita la detección en tiempo real de fibrilación auricular, requiere la implementación de algoritmos de reconocimiento automático de patrones con la metodología adecuada para su ejecución en sistemas embebidos. En el presente artículo se expone la implementación de una red neuronal artificial (ANN), una máquina de soporte vectorial (SVM) y un algoritmo de K vecinos más cercanos (KNN) en un computador de placa reducida para así comparar su desempeño en cuanto a la capacidad de detección de esta arritmia y el tiempo de respuesta asociado en su ejecución en tiempo real. La base de datos MIT-BIH AFIB es usada para el entrenamiento y validación de los algoritmos previa extracción de parámetros asociados a la transformada wavelet estacionaria. Se encontraron resultados entre el 92% y 97% para la sensibilidad y especificidad de los algoritmos mencionados y tiempos de respuesta variados entre 6 s y 7,1 sPublicación Acceso abierto Dispositivo vestible para el monitoreo de variables fisiológicas(Universidad EIA, 2024) Alzate Aristizábal, Julián; León Tibaquirá, Oscar Iván; Torres Villa, Róbinson AlbertoRESUMEN: Las enfermedades cardiovasculares han sido prevalentes en los últimos años, causando un considerable número de muertes y enfermedades asociadas debido a la falta de tratamiento oportuno e identificación temprana. La fibrilación auricular, es una de las enfermedades cardiovasculares más frecuentes y letales, que puede llevar a complicaciones como derrames cerebrales, coágulos sanguíneos e insuficiencia cardiaca. Esta enfermedad a veces es asintomática o su manifestación es irregular, dificultando su identificación oportuna y el seguimiento constante del estado del paciente. En este contexto, este trabajo de grado propone el desarrollo de un prototipo de dispositivo vestible que tiene como objetivo el monitoreo y análisis de variables fisiológicas, específicamente de las señales de electrocardiografía y fotopletismografía, con la meta de mejorar la detección temprana de enfermedades cardiovasculares, especialmente la fibrilación auricular de manera no invasiva. La metodología incluyó búsquedas de información para definir una estructura de medición adecuada de variables fisiológicas, evaluando diferentes configuraciones de electrodos y técnicas de procesamiento de señales para garantizar la calidad y precisión de los datos obtenidos. Además, se implementaron pruebas experimentales utilizando un simulador de paciente en conjunto un prototipo para una prueba de concepto funcional en un entorno controlado para validar la eficacia del dispositivo. Los resultados obtenidos demostraron la capacidad del sistema para identificar patrones asociados a la fibrilación auricular con alta precisión, validando su utilidad como herramienta no invasiva para la detección temprana y el monitoreo continuo de esta patología.Ítem Acceso abierto Sistema de detección de fibrilación auricular a partir de procesamiento de señales de ECG e inteligencia artificial(Universidad EIA, 2023) Awad Pérez, Karina; Saldarriaga Echeverri, Felipe; Torres Villa, Robinson Alberto; Camacho Cogollo, Javier EnriqueRESUMEN: la fibrilación auricular es el tipo de arritmia más común a nivel mundial, y ha sido considerada como un problema de salud pública por sus niveles de prevalencia. Esta cardiopatía puede derivar en complicaciones de alto riesgo como accidentes cerebrovasculares o infartos, que no solo ponen la vida del paciente en riesgo, sino que aumentan considerablemente las cargas económicas para empresas contributivas del régimen de salud. Conjuntamente, la fibrilación auricular se asocia con comorbilidades comunes como la hipertensión o la diabetes. Actualmente la patología es diagnosticada a partir de registros de electrocardiografía, que son tomados por un tiempo limitado, por lo que el evento podría no quedar consignado. En este trabajo se propone un sistema de detección de fibrilación auricular basado en inteligencia artificial, con el fin de abordar el problema desde una aproximación preventiva y así disminuir la ocurrencia de eventos adversos. En primer lugar, se realizó un preprocesamiento de señales de electrocardiografía y extracción de 23 características basadas en variabilidad cardíaca. La calidad de las señales fue evaluada antes y después del preprocesamiento. Posteriormente se hizo el procesamiento y análisis de los datos extraídos para entrenar modelos de aprendizaje de máquinas como SVM, Regresión Logística, RF, entre otros, ajustando sus hiperparámetros. Los modelos fueron evaluados y validados externamente con otro conjunto de señales mediante métricas como sensibilidad, precisión y exactitud; obteniendo para los cinco mejores modelos una exactitud superior al 92 %. Se eligió uno de los modelos con mejor desempeño y se evaluó el poder predictivo de cada característica en la clasificación que otorgaba el modelo, además, se redujo su dimensionalidad a solo 5 características. Este modelo fue evaluado nuevamente para determinar el efecto de reducir la dimensionalidad. Finalmente, fue embebido en un microcontrolador y probado con un simulador de pacientes, demostrando que es posible implementar el algoritmo de inteligencia artificial en un dispositivo con capacidad computacional limitada.
